一种改进的基于贝叶斯阈值萎缩去噪算法

基于对小波分析理论的深入学习,本文对小波阈值萎缩去噪方法的关键环节进行了研究,重点研究了小波贝叶斯阈值萎缩去噪方法在图像去噪中的应用。本文在分析小波系数的分布特点的基础上,基于空间自适应阈值的思想提出了一种新的自适应贝叶斯阈值萎缩去噪算法,仿真实验效果良好。

基于人工蜂群优化的NSCT域图像模糊集增强方法

针对实际应用中所采集的图像对比度低、边缘细节模糊的问题,提出了基于非下采样Contourlet变换(NSCT)、模糊集、人工蜂群(ABC)优化的自适应图像增强方法.首先对输入图像进行NSCT分解,得到一个低频子带和多个高频子带;然后依据贝叶斯萎缩阈值和非线性增益函数增强高频子带系数,采用模糊增强法增强低频子带系数,并利用ABC算法优化其中的模糊参数,以提高模糊增强法的自适应性;接着用低频子带图像的信息熵作为ABC算法的适应度函数,同时引入较劣种群随机初始化策略改进ABC算法,以缩短增强方法的运行时间.文中采用该增强方法对淡水鱼、铁轨表面、储粮害虫3类图像进行了增强实验,并依据主观视觉效果和对比度增益、清晰度增益、信息熵3个客观定量评价指标,对文中方法及其他3种同类增强方法进行了比较.结果表明,所提出的方法视觉效果最佳,能提高图像的对比度和清晰度,目标边缘光滑,且增加了图像的信息量,便于后续准确地进行图像检测与识别.

结合非下采样Contourlet变换的改进图论MST图像分割

为提高图论最小生成树的分割精度,保留更多边缘细节,提出了一种结合非下采样Contourlet变换(NSCT)及改进图论最小生成树(MST)的图像分割方法.首先,将图像进行NSCT分解,得到一个低频子带和多个高频方向子带,对各高频方向子带采用改进的贝叶斯萎缩阈值抑制噪声,通过模极大值检测关联边缘的像素点,结合低频子带灰度值和高频子带系数构造多尺度多方向的MST边权,并加重关联边缘的边权重;然后,从区域内部和区域间差异函数以及合并机制方面对MST分割算法进行改进,降低噪声或孤立点的影响;最后,改进和声搜索算法的"调音"策略,自适应获取MST分割算法的最优参数,得到全局最优分割.实验结果表明:与其他改进图论MST分割方法相比,文中方法的抗噪声性能好,提高了分割精度,且错分率低,所得图像边缘细节明显,分割效果较好.

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度。采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息。对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强。同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性。仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好。

基于Laplacian塔式分解的自适应图像模糊增强

为解决部分数字图像对比度偏低、细节模糊等问题,提出了一种非线性拉伸与模糊增强相结合的自适应图像增强算法。使用Laplacian塔式分解对图像进行分解,高频子带系数采用贝叶斯萎缩阈值和非线性增益函数进行处理,以增强后高频子带系数信息熵为目标,自适应选取控制增益曲线形状参数和控制增益强度参数;低频子带系数采用模糊增强算法进行处理,对隶属度函数和模糊增强算子进行改进,并提出了一种模糊增强算子中阈值参数的自适应选取算法。实验结果表明,该算法能有效提高图像对比度和清晰度,突显图像细节信息,且实现了增强参数的自适应选择,更有利于图像的检测与识别。